희소 위샤트 노이즈 환경에서의 랭크-1 신호 복원
Rank-One Signal Recovery in Sparse Wishart Noise
본 연구에서는 희소 위샤트(Wishart) 유사 노이즈가 존재하는 환경에서 신호 벡터 $\mathbf{x}$의 고차원 복원 문제를 다룹니다. 무작위 노이즈 행렬 $J$의 랭크-1(rank-one) 변형인 $N \times N$ 행렬 $A = J+(\theta/N)\mathbf{xx}^{\top}$를 정의합니다. 여기서 $J={X}^{\top} X$인 위샤트 유사 행렬을 고려하며, $X$는 성분 $X_{ij} = c_{ij}W_{ij}$를 갖는 희소 $M \times N$ 무작위 행렬입니다. 이때 $c_{ij}$는 0이 아닌 원소의 밀도를 조절하고 $W_{ij}$는 결합 가중치(bond weights)입니다. 레플리카 방법(replica method)을 사용하여 $A$의 최상위 고유쌍(eigenpair) 통계와 이들의 신호 강도 $\theta$, 직사각형 비율(rectangularity ratio) $\alpha=\sqrt{M/N}$, 그리고 노이즈의 평균 연결성에 대한 의존성을 해석적으로 계산합니다. 스펙트럼 관측량(spectral observables)은 재귀적 분포 방정식(Recursive Distributional Equations) 시스템으로 표현되며, 이는 인구 동역학(Population Dynamics) 알고리즘을 통해 효율적으로 해결됩니다. 이를 통해 평균 최대 고윳값 $\langle\lambda_1\rangle_{A}$, 평균 최상위 고유벡터 성분 밀도, 그리고 $A$의 최상위 고유벡터와 $\mathbf{x}$ 사이의 평균 겹침(overlap)을 계산할 수 있습니다. 노이즈의 평균 연결성에 의존하는 임계 임계값 $\theta_{\mathrm{crit}}$를 규명하며, 이는 BBP 유사 상전이(phase transition)를 나타냅니다. 이 값 아래에서는 $\langle\lambda_1\rangle_{A}$가 신호의 영향을 받지 않고 겹침이 사라지므로, $A$의 최상위 고유벡터로부터 신호를 복원할 수 없습니다. $\theta>\theta_{\mathrm{crit}}$의 경우, 신호와 관련된 이상치 고윳값이 $\langle\lambda_1\rangle_{A}$가 되고 겹침이 0이 아니게 되어 신호 복원이 가능해집니다. 이 결과는 수치적 대각화와 매우 잘 일치합니다. 또한 조밀한 극한(dense limit)에서 복원 임계값과 고유 통계량이 조밀한 위샤트 행렬의 가법적 랭크-1 변형에 대한 고전적 BBP 전이에서 예측된 결과로 수렴함을 보입니다.